Nedan redovisas skillnaderna i transport- respektive logistikkostnadsindex mellan 2012 och 2017. Resultaten redovisas för ett aggregat över alla varugrupper. Motsvarande resultat uppdelat för tre klasser av varugrupper - torrbulk, flytande bulk och allmänt gods samt en fjärde klass bestående av samtliga varugrupper förutom malm och olja, redovisas i underlags-rapporten (Westin 2020). Där redovisas även resultat för enbart inrikes respektive utrikes (import och export) transporter. I underlagsrapporten redovisas även resultaten avseende kostnadsindexen för respektive år.
Kostnadsindexförändringar för ett aggregat av alla varugrupper
Det finns relativt stora geografiska variationer i de genomsnittliga beräknade logistik- och transportkostnaderna mellan olika kommuner i modellen, även för grannkommuner. Detta gäller både basscenariot i Samgods från 2012 respektive 2017.28 Dessa skillnader både förstärks och jämnas ut när de två åren jämförs, vilket redovisas i Figur 4.1-Figur 4.4 samt i Tabell 4.1.
Figur 4.1 och Figur 4.2 innehåller en jämförelse av förändringarna av kostnadsindex för genomsnittlig logistikkostnad respektive transportkostnad29 mellan 2012 och 2017. Figurerna innehåller även ett histogram för att illustrera spridningen i antalet kommuner med olika förändringar i kostnadsindex mellan de två åren. Kostnadsindexet är konstruerat för att jämföra genomsnittliga logistik- och transportkostnader per fraktat ton mot en genomsnittlig kostnadsnivå för alla kommuner under samma period. Detta gör att jämförelser av kostnads-index mellan olika år ger en bild av hur de relativa kostnaderna förändrats i olika regioner och branscher jämfört med genomsnittet för respektive år. Om exempelvis kostnadsindexet för transportkostnader i en kommun ökat från 1.05 till 1.10 betyder detta att de genomsnittliga transportkostnaderna per ton ökat jämfört med hur de genomsnittliga kostnaderna i övriga kommuner förändrats. En jämförelse av utvecklingen av kostnadsindex i en kommun beskriver därmed hur konkurrenssituationen förändrats jämfört med övriga kommuner.
Figur 4.1 visar hur kostnadsindexet för den genomsnittliga logistikkostnaden i olika kommuner förändrats mellan 2012 och 2017. Förändringar i kostnadsindex visar som sagt hur genom-snittskostnaderna i olika kommuner utvecklats jämfört med riksgenomsnittet. I röda områden har kostnadsindexet ökat och i gröna områden har kostnadsindexet sjunkit. Ett värde på exempelvis +0.25 innebär att den relativa kostnaden för ett område har stigit med 25 procent-enheter jämfört med tidigare år. Det vill säga, om kostnadsindexet i ett område var 1,05 år 2012 och är 1,3 år 2017 betyder det att kostnadsindexet stigit med 25 procentenheter.
Figur 4.2 visar på motsvarande sätt hur kostnadsindexet för enbart den genomsnittliga transportkostnaden förändrats. I många kommuner kring Västra Götalands, Jönköpings och Kronobergs län har kostnadsindexet ökat medan indexet sjunkit i flertalet kommuner i Dalarnas och Jämtlands län. Det geografiska mönstret är dock inte entydigt.
28 En orsak till dessa skillnader är att transportefterfrågan i olika kommuner i modellen kraftigt kan skilja sig åt vad gäller transportvolymer, varugrupper och destinationer. Dessa skillnader bygger i sin tur på antaganden om hur efterfrågan ser ut vilket är beskrivet i Samgods efterfrågematriser (PC-matriser). Då dessa är modell-skattade bör resultaten därför tolkas med viss försiktighet.
Figur 4.1. Karta och histogram över förändring av kostnadsindex för genomsnittlig logistikkostnad per transporterat ton i Samgods 1.2 basscenario Base2017 jämfört med Samgods 1.1.1 basscenario Base2012.
Röda områden innebär att kostnadsindex ökat i Base2017 jämfört med Base2012.
Anm: Histogrammet visar antalet kommuner per kostnadsindexförändring.
Figur 4.2. Karta och histogram över förändring av kostnadsindex för genomsnittlig transportkostnad per transporterat ton i Samgods 1.2 basscenario Base2017 jämfört med Samgods 1.1.1 basscenario Base2012.
Anm: Histogrammet visar antalet kommuner per kostnadsindexförändring.
Om man istället vill jämföra hur de faktiska logistik- och transportkostnaderna förändrats behöver man även ta hänsyn till hur kostnaderna som helhet förändrats. Tabell 4.1 visar förändring i total transporterad godsmängd och genomsnittlig logistik- och transportkostnad mellan 2012 och 2017. Medan den transporterade godsmängden som behandlas i indexet (ex. ingår inte transittransporter i dessa volymer) ökat med ca 35 procent mellan åren har de
av varugrupper syns att den största kostnadsminskningen skett inom varukategori Torrbulk medan de genomsnittliga kostnaderna för Allmänt gods ökat.
Tabell 4.1. Förändring av total transporterad godsmängd och genomsnittlig logistik- och transportkostnad mellan Samgods 1.1.1 scenario Base2012 och Samgods 1.2 scenario Base2017. Genomsnitt för hela riket.
Alla Torrbulk Flytande bulk
Allmänt gods
Ej malm och olja Förändring transporterad
godsmängd (ton/år) 35,0 % 40,5 % -4,5 % 68,0 % 24,0 %
Förändring i genomsnittlig
logistikkostnad (procent) -3,6 % -20,2 % -0,8 % 9,9 % -0,1 % Förändring i genomsnittlig
transportkostnad (procent) -7,9 % -27,2 % 8,2 % 30,8 % -7,4 %
Figur 4.3 visar en karta och ett histogram över procentuell förändring av genomsnittlig logistik-kostnad i svenska kommuner mellan 2012 och 2017. Figur 4.4 visar på motsvarande sätt hur de genomsnittliga transportkostnaderna utvecklats under perioden. Till skillnad från i Figur 4.1 och Figur 4.2 innebär ett värde på 20 procent i ett område att de genomsnittliga kostnaderna ökat med 20 procent i scenariot för 2017 jämfört med scenariot för 2012. Ett liknande mönster som för förändringarna i kostnadsindex framträder. På grund av den allmänna trenden av sjunkande genomsnittskostnader återfinns dock fler områden med minskade kostnader jämfört med minskade kostnadsindex.
Figur 4.3. Karta och histogram över procentuell förändring av genomsnittlig logistikkostnad per ton för i Samgods 1.2 basscenario Base2017 jämfört med Samgods 1.1.1 basscenario Base2012.
Anm: Histogrammet visar antalet kommuner per kostnadsindexförändring.
Figur 4.4. Karta och histogram över procentuell förändring av genomsnittlig transportkostnad per ton för i Samgods 1.2 basscenario Base2017 jämfört med Samgods 1.1.1 basscenario Base2012.
Anm: Histogrammet visar antalet kommuner per kostnadsindexförändring.
De observerade kostnadsförändringarna beror på flera faktorer. Förekomsten av skalfördelar i modellen leder till att de genomsnittliga kostnaderna för logistik och transporter per ton sjunker när godsvolymerna ökar. Modellens indata har också förändrats. Dels har modellens nätverk, järnvägskapaciteter, banavgifter och andra fordonsrelaterade kostnader uppdaterats i enlighet med ASEK (Trafikverket 2020a), dels har modellen omkalibrerats genom att bland annat fordonsrelaterade kostnader justerats för att modellen bättre ska efterspegla verkligheten i ett antal uppsatta kalibreringsmål. Dessa faktorer bör beaktas när resultaten från de två åren jämförs.
Summering
Analyser av kostnadsindex för genomsnittliga totala logistik- respektive transportkostnader per transporterat ton visar att de logistikkostnaderna minskat med 3,6 procent 2017 jämfört med 2012. En delförklaring till denna minskning är minskade transportkostnader vilka minskat med 7,9 procent sett till förändring i genomsnittlig transportkostnad per transporterat ton.
Det finns stora skillnader mellan olika varukategorier och regioner. Exempelvis har den genomsnittliga logistikkostnaden för varukategorin torrbulk minskat med drygt 20 procent medan motsvarande genomsnittskostnad för varor i kategorin allmänt gods i genomsnitt ökat med nästan 10 procent. Även regionala skillnader går att observera med minskade genom-snittskostnader i delar av norra Sveriges inland och ökade genomgenom-snittskostnader i sydvästra Sverige. Analysen visar därför att det är viktigt att inte enbart se till förändringar av totala genomsnittskostnader utan även undersöka kostnadsförändringar i olika branscher och regioner då dessa kan skilja sig åt.
Eftersom jämförelserna av Samgodsresultaten 2012 och 2017 är baserade på modell-skattningar är resultaten i studien mer att betrakta som modellbaserade indikationer på utvecklingen av företags genomsnittliga transport- och logistikkostnader i olika regioner och
från studien kan därför med fördel kombineras med underlag från exempelvis företagsenkäter för en mer komplett bild. Ett sådant exempel är det kostnadsindex som Sveriges Åkeriföretag, genom SCB, tar fram för lastbilstransporter redovisade i ett antal typtransporter.30 För
perioden 2018 och framåt pekar indexen på kostnadsökningar för samtliga typtransporter, med ett negativt brott i mars 2020 i samband med Coronapandemins intåg i Sverige. Priserna har därefter stigit igen med en ökad spridning mellan de olika typtransporterna. Lokal
distribution har haft den tydligaste kostnadsökningen över tid.
Figur 4.5. Transportkostnadsindex för olika typtransporter med lastbil 2018–2020.
Källa: Sveriges Åkeriföretag (2021)
Anm: Indextal för lastbilsserier T08 med diesel MK1. Index 100 = när respektive indexserie började.
4.3 Förslag – måluppföljning 2021
De förändringar som syns i kostnadsindexen beror till del på att modellens kostnads-parametrar är uppdaterade till de kostnadskostnads-parametrar som anges i ASEK 7.0 vilket innebär uppdaterade banavgifter och att bland annat bränslekostnader baseras på nyare prisstatistik jämfört med tidigare modellversion (Trafikverket 2020b). En svårighet är att Samgodsmodellen även omkalibrerats mellan modellversionerna genom bland annat justeringar av fordons-relaterade kostnader. Detta gör att modellens kostnadsparametrar inte enbart motsvarar de kostnader som följer av en indexuppräkning utan även påverkats av förändringar vid
omkali-116 118 120 122 124 126 128 130 132
Lokaldistribution Regional distribution
Långväga distribution Partigods
Dragbilstransport Tank och bulktransport
Skogsråvara Anläggningstransport kort sträcka
Anläggningstransport bil Anläggningstransport med släp
breringen av modellen (Trafikverket 2020c). Detta gör att resultaten i analyserna bör tolkas med viss försiktighet och mer ses som riktningar för tendenser snarare än absoluta kostnads-förändringar. Samgodsmodellen behandlar inte heller effekter av regionala transportbidrag vilket riskerar att snedvrida den totala kostnadsbilden för vissa branscher och regioner. Men då detta bidrag varken ingår någon av modellversionerna är effekten på förändringar mindre.
För att minska de modelltekniska aspekternas påverkan på utfallet och i förlängningen bedöm-ningen i måluppföljbedöm-ningen som helhet innan ytterligare analyser av resultaten har gjorts avstår vi i nuläget från att använda resultaten som nyckelmått. Förslaget är därmed att transport- respektive logistikkostnadsindexens förändring aggregerat för samtliga varugrupper bör snarare betraktas som mått. En fördjupning av redovisningen kan ske för varugrupps-indelningarna och i form av kartor såsom redovisats ovan.
5 Diskussion - fortsatt utvecklingsarbete
Den transportpolitiska måluppföljningen är en levande uppföljning. Inom ramen för indikator-systemet sker en kontinuerlig utveckling av uppföljningsmåtten. Det beror huvudsakligen på att vi upptäcker nya möjligheter att beräkna nya mått som på ett bättre sätt än tidigare speglar respektive indikator och mål till följd av metodutveckling och förbättrad datatillgång. I vissa fall har relevanta mått saknats. Då har ett utvecklingsarbete krävts för att fylla en identifierad kunskapslucka.
I denna PM har tre mått behandlats för att förbättra uppföljningen inom funktionsmålet. När det gäller analysen av källorna GCI och LPI kan den sägas vara av den första typen. Det vill säga, här har det handlat om att förbättra befintliga mått. När det gäller transport- och logistik-kostnadsindex för godstransporter samt tillgänglighetsindex för persontransporter är den förra ett exempel på en metodutveckling för att fylla en sedan tidigare identifierad kunskapslucka.
Tillgänglighetsindexet för persontransporterna är en mix bestående dels av en metod-utveckling, dels en utveckling av måttet till att omfatta fler aspekter än tidigare.
En levande måluppföljning innebär också att det potentiellt finns fler luckor eller brister att åtgärda framöver. Till detta ska läggas de brister vi identifierat sedan tidigare, men ännu inte haft möjlighet att åtgärda. Exempel på sådana är att beräkna ett relevant mått på tillgänglighet till arbetsplats, samt tillgänglighet till terminaler för godstransporter. Dessa brister kräver fortsatt utvecklingsarbete och är något vi får återkomma till i kommande rapporter. Högre prioritet har under 2020 istället lagts vid att ta fram nya mått för användning i indikatorn Transporternas ekonomiska överkomlighet31.
Uppföljningsmetoderna kan också utvecklas eller kvalitetssäkras med ytterligare analyser och känslighetsanalyser så att rätt vikt tillmäts måtten i måluppföljningen. Tillgänglighetsindexet för persontransporter är ett exempel på detta. Här ser vi behov av en fortsatt diskussion av lämpliga målpunkter att inkludera, hur datatillgång ska kunna säkerställas samt klargöra ifall vi har gjort relevanta avgränsningar. Även transport- och logistikkostnadsindexen kan behöva analyseras ytterligare för att säkerställa resultatens robusthet för de mer eller mindre ad hoc-justeringar av ingående parametrar som görs i Samgods i syfte att kalibrera modellens flöden mot statistik.
6 Referenser
Beugelsdijk, S. och R. Maseland (2011). Culture in economics: History, methodological reflections, and contemporary applications. New York, NY, Cambridge University Press
Beysenbaev, R. och Y. Dus (2020). "Proposals for improving the Logistics Performance Index." The Asian Journal of Shipping and Logistics 36(2020): 34-42.
Dijkstra, L., H. Poelman och L. Ackermans (2019). Road transport performance in Europe:
Introducing a new accessibility framework European Union Regional Policy Working Papers 01/2019. https://ec.europa.eu/regional_policy/sources/docgener/work/2019_02_road_transport.pdf.
Haugen, K. (2011). "The advantage of 'near': Which accessibilities matter to whom?" European Journal of Transport and Infrastructure Research 11(4): 368-388.
www.diva-portal.org/smash/get/diva2:436726/FULLTEXT01.pdf.
Huggins, R., H. Izushi och P. Thompson (2013). "Regionl Competitiveness: Theories and Methodologies for Empirical Analysis." JCC: The Business and Economic Research Journal 6(2):
155-172.
Ketels, C. (2016). Review of Competitiveness Frameworks. An Analysis Conducted for the Irish National Competitiveness Council, National Competitiveness Council.
Krugman, P. (1994). "Competitiveness: a dangerous obsession." Foreign Affairs 73(2): 28-44.
Lall, S. (2001). "Competitiveness Indices and Developing Coutries: An Economic Evaluation of the Global Competitivenss Report." World Development 29(9).
OECD (2008). Handbook on constructing composite indicators: methodology and user guide. Paris, OECD Publishing. www.oecd.org/sdd/42495745.pdf.
Poelman, H., L. Dijkstra och L. Ackermans (2020). Rail passenger transport performance in Europe: Developing a new set of regional and territorial accessibility indicators for rail. European Union Regional Policy Working Papers 03/2020.
https://ec.europa.eu/regional_policy/sources/docgener/work/032020_rail_transport_performance.pd f.
Prop. 2008/09:93 (2009). Mål för framtidens resor och transporter. Stockholm, Regeringen.
www.regeringen.se/rattsdokument/proposition/2009/03/prop.-20080993/.
Schumpeter, J. A. (1934). The theory of economic development. Cambridge, MA:, Harvard University Press
Sveriges Åkeriföretag. (2021). "Indextal för lastbilsserier T08 med diesel MK1." Nedladdad 2021-03-02.
Tillväxtanalys (2010). Tillgänglighet till tätorter av olika storlekar − Modellering genom indexerad tillgänglighet. Östersund. Working paper 2010:10. www.tillvaxtanalys.se/publikationer/pm/pm/2010-
12-20-tillganglighet-till-tatorter-av-olika-storlekar---modellering-genom-indexerad-tillganglighet.html.
Trafikanalys (2017a). Ny målstyrning för transportpolitiken. Östersund. Rapport 2017:1.
www.trafa.se/globalassets/rapporter/2017/rapport-2017_1-ny-malstyrning-for-transportpolitiken.pdf.
Trafikanalys (2017b). Preciseringsöversyn − Indikatorer och uppföljning. Östersund. PM 2017:1.
www.trafa.se/globalassets/pm/2017/pm-2017_1-preciseringsoversyn--indikatorer-och-uppfoljning.pdf.
Trafikanalys (2018). Fördjupad uppföljning av de transportpolitiska målen. Östersund. Rapport 2018:14. www.trafa.se/globalassets/rapporter/2018/rapport-2018_14-fordjupad-uppfoljning-av-de-transportpolitiska-malen.pdf.
Trafikanalys (2019). Fördjupning av de transportpolitiska målen – hälsa och livsmiljö. Rapport 2019:11. www.trafa.se/etiketter/transportovergripande/fordjupad-maluppfoljning---halsa-och-livsmiljo-8554/.
Trafikanalys (2020a). Konkurrenskraftiga godstransporter i måluppföljningen – en granskning av källorna Global Competitiveness Index och Logistics Performance Index. Stockholm, Trafikanalys.
PM 2020:11.
Trafikanalys (2020b). Uppföljning av de transportpolitiska målen 2020. Stockholm, Trafikanalys.
Rapport 2020:5. www.trafa.se/etiketter/transportovergripande/uppfoljning-av-de-transportpolitiska-malen-2020-9232/.
Trafikanalys (2021a). Förslag till reviderat index för lokal tillgänglighet. Stockholm, Trafikanalys. PM 2021:1.
Trafikanalys (2021b). Transporternas ekonomiska överkomlighet − hur mäter vi det? Stockholm, Trafikanalys. PM 2021:3.
Trafikverket (2020a). Analysmetod och samhällsekonomiska kalkylvärden för transportsektorn:
ASEK 7.0. Borlänge. Version 2020-06-15. www.trafikverket.se/for-dig-i-branschen/Planera-och- utreda/Planerings--och-analysmetoder/Samhallsekonomisk-analys-och-trafikanalys/gallande-forutsattningar-och-indata/.
Trafikverket (2020b). Kapitel 14 Operativa trafikeringskostnader för godstransporter. Analysmetod för samhällsekonomiska kanklyvärden för transportsektorn: ASEK 7.0. , Trafikverket
Trafikverket (2020c). Samgods 1.2 − Kalibrering, Trafikverket. PM 2020-06-15.
Westin, J. (2017). Analys av generaliserade transportkostnader för användning i måluppföljning.
Stockholm, Trafikanalys. CERUM PM. www.trafa.se/sidor/preciseringsoversynen/.
Westin, J. (2020). Analys av kostnadsindex för generaliserade transportkostnader för Trafikanalys måluppföljning. Umeå, CERUM Umeå universitet. CERUM Report Nr 66/2020.
Trafikanalys är en kunskapsmyndighet för transportpolitiken. Vi analyserar och utvärderar föreslagna och genomförda åtgärder inom transportpolitiken. Vi ansvarar även för officiell statistik inom områdena transporter och kommunika-tioner. Trafikanalys bildades 2010 och har huvudkontor i Stockholm samt kontor i Östersund.